心理治疗会话的神经主题建模
TherapyView 是一种 AI 增强的治疗工具，能够通过神经主题建模和深度学习生成引擎，为治疗师提供往期治疗之间主题的可视化表示和对话片段的艺术生成，从而使治疗师能够优化策略并增强心理治疗的效果。
Feb, 2023
文章提出一个实时的推荐系统，用于心理治疗期间向治疗师建议治疗策略。系统通过计算评分清单深度嵌入的相似性得分与患者当前言语之间的相似性，预测治疗结果。系统自动将连续音频流转录并分成患者和治疗师的对话，实时推断他们的治疗工作联盟。对话及其计算的工作联盟得分作为评级被馈送到深度强化学习推荐系统中，其中会话被视为用户，主题被视为项。除了在现有心理治疗数据集上评估核心组件的实证优势外，我们还在一个 Web 应用中展示了该系统的有效性。
Aug, 2022
综述了神经主题模型（Neural Topic Models）的方法、应用和挑战，将当前的神经主题模型方法按网络结构进行系统分类，并介绍了在短文本和跨语言文档等多种场景中的神经主题模型应用。还讨论了基于神经主题模型构建的各种热门应用，最后指出了神经主题模型面临的挑战，以激发未来的研究。
Jan, 2024
通过分析大量与心理健康相关的研究论文的摘要，使用 Sentence-BERT 和 BERTopic 框架训练的自定义嵌入模型，本研究旨在识别该领域的一般趋势和高影响力的研究主题，还使用了词云生成了综合概述在心理健康研究中应用的机器学习模型，揭示了常用的技术和新兴趋势。
Aug, 2023
一项最近的自然语言处理研究旨在结合语言模型和主题模型，这些主题引导的语言模型通过将主题模型与神经语言模型相结合，采用无监督学习方法来发现文档级别的词汇使用模式。本文比较了这些方法在标准化环境中的效果，并发现这些方法中没有任何一种超越了标准 LSTM 语言模型基准，并且大多数方法无法学习到好的主题。此外，我们训练了一个探测神经语言模型的方法，结果显示基准模型的隐藏状态已经编码了主题信息。本研究公开了所使用的所有代码。
Dec, 2023
本文介绍了一种基于监督信号的议题模型框架，该框架用于训练潜在狄利克雷分配，旨在平衡高维数据的忠实生成解释和相关类标签的准确预测，并将该框架应用于预测抑郁药物使用，相较于传统的监督议题模型和基于高维逻辑回归的药物推荐任务中，本文提出的方法表现更好。
Dec, 2017
通过离线强化学习，我们利用决策变压器架构在患者和心理健康专业人员之间的咨询对话中进行主题推荐，展示了优于基准强化学习方法的改进，并提出了一种新的系统来利用我们模型的输出作为相同任务的大型语言模型的合成标签进行微调。
May, 2024
本文介绍了一种神经语言模型，可以通过类似主题模型的架构将文档上下文（而非当前句子）作为简洁的表征加入模型中。实验表明，这种模型在语言模型困惑度和主题相关性方面优于仅基于句子的模型和标准 LDA 主题模型。同时，该模型还具有生成单个主题关联句子的功能，为主题的解释提供了另一种方式。
Apr, 2017